arXiv · 31.07.2026 ·Данные и инжиниринг

COntExt: автоматическое расширение онтологий через операционные метрики

Исследователи представили фреймворк COntExt, предназначенный для автоматического извлечения знаний из определений операционных метрик и их интеграции в формальные онтологии. Система анализирует структуру метрик, используемых для мониторинга систем и процессов, выявляя скрытые концептуальные связи, которые ранее не были формализованы, что позволяет значительно повысить семантическую точность корпоративных баз знаний и систем управления данными.

Современные организации накапливают огромные объемы данных, где определения метрик часто содержат неявные знания о доменах, свойствах объектов и их взаимосвязях. Однако эти данные редко синхронизируются с официальными онтологиями компании. COntExt решает эту проблему, используя методы обработки естественного языка и анализа графов для сопоставления описаний метрик с существующими онтологическими моделями, обеспечивая актуальность и полноту корпоративной семантики.

Применение данного подхода позволяет автоматизировать процесс поддержания актуальности онтологий в условиях динамически меняющихся бизнес-процессов. Это критически важно для систем, требующих глубокого понимания контекста, таких как предиктивная аналитика, автоматизированные системы комплаенса и сложные агентные архитектуры, опирающиеся на структурированные знания о предметной области.

Ключевые факты

COntExt автоматизирует извлечение доменных знаний из машиночитаемых каталогов операционных метрик.
Метод направлен на устранение разрыва между динамическими данными мониторинга и статичными формальными онтологиями.
Система использует семантический анализ для выявления скрытых связей между концептами и свойствами в описаниях метрик.
Решение повышает точность систем, работающих с корпоративными знаниями, за счет интеграции актуальных данных о бизнес-процессах.

Источник: arXiv

Обсудить с ИИ

Похожие материалы

Hacker News · Разработка и инструменты ContextOps: статический анализатор контекста для LLM-приложений ContextOps — это новый инструмент статического анализа, который помогает разработчикам контролировать использование контекста в LLM-приложениях. По аналогии с линтерами для кода, утилита сканирует кодовую базу на предмет потенциальных проблем с контекстным окном, избыточным потреблением токенов и неэффективной структурой промптов, позволяя оптимизировать производительность и стоимость инференса на этапе разработки, а не после деплоя. arXiv · Исследования и наука Метод CoMet для оценки неопределенности в мультимодальных моделях Исследователи представили метод CoMet (Context and Multiplicity Decomposition), предназначенный для оценки неопределенности в мультимодальных больших языковых моделях (MLLM). Новый подход позволяет моделям лучше распознавать границы своих знаний, разделяя факторы неопределенности на контекстуальные и множественные. Это критически важно для повышения надежности ИИ-систем, работающих с текстовыми и визуальными данными в условиях высокой ответственности. Hacker News · Машинное обучение Когда данные действительно улучшают автоматизированный контекстный инжиниринг Исследование анализирует эффективность автоматизированного контекстного инжиниринга (ACE) при разработке ИИ-агентов. Автор изучает, в каких сценариях добавление размеченных данных или примеров взаимодействия существенно повышает производительность системы, а когда избыточная информация приводит к деградации контекста и росту вычислительных затрат без значимого прироста качества ответов модели. Hacker News · Оркестрация агентов Инженерия контекста для аналитических ИИ-агентов: опыт разработки Разработка аналитических агентов требует перехода от простых промптов к сложной инженерии контекста. За шесть месяцев практики выяснилось, что качество ответов агента напрямую зависит от структурирования метаданных, семантического описания схем данных и управления историей диалога. Эффективная система должна динамически подбирать контекст, чтобы модель могла корректно интерпретировать сложные SQL-запросы и бизнес-метрики в условиях ограниченного окна контекста. Hacker News · Инфраструктура для агентов Почему агентным системам необходимы онтологии Для повышения надежности и предсказуемости ИИ-агентов разработчики все чаще обращаются к использованию онтологий. Внедрение структурированных баз знаний позволяет агентам лучше понимать контекст, связи между объектами и логику предметной области. Это снижает количество галлюцинаций и помогает системам принимать более обоснованные решения при выполнении сложных многошаговых задач в корпоративной среде. Hacker News · Инфраструктура для агентов Claude Code внедряет кэширование промптов для оптимизации работы с кодом Anthropic интегрировала технологию кэширования промптов в свой инструмент Claude Code, предназначенный для разработки ПО. Это решение позволяет значительно сократить задержки и снизить затраты при выполнении задач, требующих анализа больших объемов контекста, таких как работа с крупными кодовыми базами, за счет повторного использования ранее обработанных токенов в последующих запросах к модели. arXiv · Машинное обучение Метод декомпозиции задач для повышения эффективности разметки данных Исследователи представили новый подход к разметке структурированных данных, основанный на декомпозиции сложных задач на более простые подзадачи. Метод позволяет значительно снизить затраты на создание качественных обучающих выборок, минимизируя необходимость в дорогостоящей ручной проверке результатов, полученных с помощью моделей, и повышая общую точность разметки для последующего обучения downstream-моделей. Hacker News · Разработка и инструменты Анализ сложности кода как инструмент для управления ИИ-агентами Проект big-code-analysis предлагает новый подход к оптимизации работы ИИ-агентов через метрики сложности исходного кода. Система позволяет автоматически оценивать кодовую базу, выделяя наиболее запутанные участки, которые требуют повышенного внимания или специфических стратегий при генерации и рефакторинге. Это помогает агентам избегать ошибок в сложных логических блоках и повышает качество автоматизированной разработки. arXiv · Оркестрация агентов OptiAgent: мультиагентная система для автоматизации математического моделирования Исследователи представили OptiAgent — фреймворк, преобразующий текстовое описание задач исследования операций в готовые математические модели и исполняемый код. Система использует мультиагентную архитектуру с итеративным уточнением, где специализированные агенты последовательно выделяют переменные и ограничения, минимизируя ошибки при формализации сложных бизнес-задач и оптимизационных процессов. arXiv · Исследования и наука Проблемы автоматизации проверки онтологий через Competency Questions Исследователи проанализировали эффективность использования ИИ-ассистентов для проверки онтологий через Competency Questions (CQ). Процесс, традиционно требующий ручной интерпретации лингвистических нюансов, сталкивается с серьезными трудностями при автоматизации. Работа демонстрирует, что текущие модели часто допускают ошибки в логической верификации, что ставит под сомнение надежность полностью автоматизированных систем оценки качества онтологических моделей в сложных предметных областях.

← Все материалы